Professional Documents
Culture Documents
La tabulacin de datos consiste en hacer un recuento de los datos que estn contenidos
en una encuesta.
Los resultados de las tabulaciones son presentados en tablas o mapas grficos que
muestren las relaciones que existen entre las diferentes variables analizadas.
Es importante recordar que nunca se colocan las tablas y las grficas juntos, porque en
realidad dicen lo mismo, corrientemente se utiliza o una tabla y su anlisis, o una grfica y
su anlisis.
A continuacin se podrn observar los ejercicios que realizamos con el fin de comprender
mejor lo que es la tabulacin y organizacin de datos.
Ejemplos de aplicacin:
EJERCICIO 1:
Se tienen las edades de 30 pacientes que fueron atendidos en el hospital de las horas
10:00 a.m. a 11:00 a.m.:
18
58
20
81
45
15
11
27
33
36
46
65
46
72
12
28
75
28
67
23
33
29
68
17
44
45
2.
3.
4.
5.
11
6.
12
7.
15
8.
17
9.
18
10
20
11. 23
12. 27
13. 28
14. 28
15. 29
16. 33
17. 33
18.
36
19.
44
20.
45
21.
45
22.
46
23.
46
24.
58
25.
65
26.
67
27.
68
28.
72
29.
75
30.
81
EJERCICIO 2:
Se realiz una encuesta a 20 personas de diferentes localidades del Distrito Federal
acerca de cuantas personas vivan en su casa. Aqu se encuentran los resultados:
4
14.
2.
15.
3.
16.
4.
17.
5.
18.
6.
19.
7.
20.
8.
9.
10
11.
12.
13.
EJERCICIO 3:
20
17
15
13
14
16
19
18
17
17
15
16
17
16
18
18
19
14
17
6
15
17
13
16
14
Edad
1.
13
2.
13
3.
14
4.
14
5.
14
6.
15
7.
15
8.
15
9.
16
10
16
11.
16
12.
16
13.
16
DISTRIBUCIN
DE
FRECUENCIAS:
ABSOLUTA, RELATIVA, ACUMULADA
En este tema vamos a hablar sobre la
distribucin de frecuencias.
La distribucin de frecuencias o tabla de
frecuencias es una ordenacin en forma de
tabla de los datos estadsticos, asignando a
cada dato su frecuencia correspondiente.
14.
17
15.
17
16.
17
17.
17
18.
17
19.
17
20.
18
21.
18
22.
18
23.
19
24.
19
25.
20
Hay diferentes tipos de frecuencias estas son: absolutas, acumulada, relativa, relativa
acumulada y acumulada complementaria.
7
1.52
1.53
1.57
1.58
1.60
1.64
1.66
1.74
1.76
1.79
Estatura
Frecuencia
Xi
Frecuencia
Relativa
fr
= 0.1250
1.52
1.53
1.57
1.58
1.60
1.64
1.66
1.74
1.76
1.79
0.1250
0.0625
0.1250
0.0625
0.1875
0.1250
0.0625
0.0625
0.0625
Frecuencia
Xi
Frecuencia
Relativa
Frecuencia
Acumulada
Fr
Fa
Frecuencia
Relativa
Acumulada
Fra.
1.52
0.1250
2/16 = 0.1250
1.53
0.1250
2+2=4
4/16 = 0.2500
1.57
0.0625
2+2+1=5
5/16 = 0.3125
1.58
0.1250
2+2+1+2=7
0.4375
1.60
0.0625
0.5000
1.64
0.1875
11
0.6875
1.66
0.1250
13
0.8125
1.74
0.0625
14
0.8750
9
1.76
0.0625
15
0.9375
1.79
0.0625
16
1.0000
EJERCICIO 1:
Se realiz una encuesta a 25 personas para saber a qu edad empezaron a consumir
bebidas alcohlicas. Estos fueron los resultados.
15
14
16
15
17
16
19
12
13
20
14
17
15
17
15
18
16
18
16
14
13
15
14
15
16
10
1.
2.
3.
4.
5.
6.
7.
8.
9.
10
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
Edad
12
13
13
14
14
14
14
15
15
15
15
15
15
16
16
16
16
16
17
17
17
18
18
19
20
Clase
Xi
Fi
F. ac
F. reli
F. rel ac
F.ac comp
10 - 12
11
0.04
0.04
0.96
12 - 14
13
0.24
0.28
0.72
14 - 16
15
11
18
0.44
0.72
0.28
16 - 18
17
23
0.2
0.92
0.08
18 - 20
19
25
0.08
1.00
0.00
25
1.00
EJERCICIO 2:
Para conocer un poco ms acerca del inters de las personas en las redes sociales, se
hizo una encuesta a 20 de ellas para saber con cuantas redes sociales cuenta. Se pueden
observar los resultados a continuacin:
10
11
2.
3.
4.
5.
6.
7.
8.
9.
10
11.
12.
13.
14.
15.
16.
17.
18.
19.
10
20.
10
Xi
Fi
F. ac
F. reli
F. rel ac
F.ac comp
02
0.05
0.05
0.95
24
0.35
0.4
0.6
46
14
0.3
0.7
0.3
68
16
0.1
0.8
0.2
8 10
20
0.2
1.00
0.00
20
1.00
12
EJERCICIO 3:
Se encuestaron a 25 personas con tendencia a fumar tabaco para conocer a que edad
empezaron a tener un consumo frecuente de este. Observa los resultados:
16
15
17
16
22
13
18
19
15
21
17
16
20
18
17
16
17
17
13
18
15
14
16
17
15
13
Edad
13.
17
1.
13
14.
17
2.
13
15.
17
3.
14
16.
17
4.
15
17.
17
5.
15
18.
17
6.
15
19.
18
7.
15
20.
18
8.
16
21.
18
9.
16
22.
19
10
16
23.
20
11.
16
24.
21
12.
16
25.
22
Clases
Xi
Fi
F. ac
F. reli
F. rel ac
F.ac comp
12 14
13
0.12
0.12
0.88
14 16
15
12
0.36
0.48
0.52
16 18
17
21
0.36
0.84
0.16
18 20
19
23
0.08
0.92
0.08
20 22
21
25
0.08
1.00
0.00
25
1.00
HISTOGRAMAS
Se emplea cuando la variable independiente es categrica. Consiste en un grfico de
barras o rectngulos cuya altura corresponde a la frecuencia de cada valor o de cada
intervalo localizada sobre el eje vertical.
Cada barra slida, ya sea vertical u horizontal representa un tipo de dato.
Para datos no agrupados, cada frecuencia se representa por una barra cuya rea
sea proporcional a ella. Tpicamente, el ancho de cada barra se escoge como 1 y
as, la altura y el rea de la barra son iguales a la frecuencia del valor.
Para datos agrupados, el ancho de los rectngulos corresponde al tamao de los
intervalos de clase. Las barras, por lo tanto, son contiguas, y se encuentran
centrados en las marcas de clase.
POLIGONO DE FRECUENCIAS
Se utilizan para variables estadsticas cuantitativas, discretas o continuas. Para una
variable discreta, el polgono de frecuencias se obtiene uniendo por una poligonal, los
extremos superiores de las barras. Para una variable continua, el polgono de frecuencias
se obtiene uniendo por una poligonal los puntos medios de la base superior de los
polgonos del histograma.
Las escalas utilizadas para representar los polgonos de frecuencias influyen mucho por el
impacto visual de los mismos.
15
Para datos no agrupados, se trazan los puntos que corresponden a los valores de
la variable cuantitativa y la frecuencia (absoluta o relativa), a continuacin se unen
los puntos mediante segmentos de recta, los extremos se unen con el eje
horizontal con el primer valor menos una unidad y el extremo derecho ms una
unidad.
Para datos agrupados los vrtices tienen como coordenadas las marcas de clase y
las frecuencias correspondientes. Se debe cerrar sobre el eje horizontal en dos
puntos que corresponden a las marcas de clase de dos intervalos, uno anterior y el
otro posterior al primero y al ltimo intervalo, cuya frecuencia es cero.
DIAGRAMA DE BARRAS
Un diagrama de barras se utiliza para representar datos cualitativos o cuantitativos de tipo
discreto. Se representan sobre unos ejes de coordenadas, en el eje de las abscisas se
colocan los a valores de la variable y sobre el eje de ordenadas las frecuencias absolutas
o relativas acumuladas. Los datos son representados mediante barras de una altura
proporcional a la frecuencia.
Es la ms sencilla de las grficas y consiste en representar datos mediante una barra o
columna simple, la cual puede ser colocada horizontal o verticalmente.
Permite comparar las proporciones que guardan cada una de las partes con respecto al
todo, por lo que pueden construirse usando valores absolutos, proporciones o bien
porcentajes. Suelen utilizarse cuando se comparan grficamente las distribuciones de
iguales conceptos en dos o ms periodos.
La forma de elaborar estos diagramas es la siguiente:
DE PAY
Se utilizan para representar porcentajes y proporciones. El nmero de elementos
comparados dentro de un grfico circular puede ser de ms de 4.
Al igual que en la grfica de barras, el empleo de tonalidades o colores facilita la
diferenciacin de los porcentajes o proporciones. A diferencia de otros tipos de grficos, el
circular no tiene ejes x o y.
16
OJIVAS
La ojiva es la distribucin de frecuencias, en ella podemos observar cuantas se
encuentran por encima o debajo de ciertos valores, en lugar de solo exhibir los nmeros
asignados de cada intervalo.
La ojiva apropiada para presentar frecuencias mayores que el dato que se est
comparando tendr una pendiente negativa, es decir estar hacia abajo y a la derecha, y
si se asignan valores menores esta tendr una pendiente positiva. Se obtiene al aplicar
parcialmente la misma tcnica a una distribucin acumulativa, y las ojivas mayor que y
menor que.
Consiste en un polgono de frecuencias acumuladas, por lo tanto es una grfica de lneas
generalmente ascendente.
Para datos no agrupados se trazan los puntos que corresponden a los valores de
la variable cuantitativa y la frecuencia (acumulada o relativa acumulada), a
continuacin se unen los puntos mediante segmentos de recta, el extremo derecho
no se une con el eje horizontal.
Para datos agrupados los vrtices tienen como abscisa los valores de la variable
representados por los lmites reales superiores y como ordenada la frecuencia
acumulada o frecuencia relativa acumulada (ojiva porcentual).
Media geomtrica:
17
La media geomtrica (MG), de un conjunto de nmeros positivos se define como la ndel producto de los nmeros. Por tanto, la frmula para la media geomtrica es dada por
Existen dos usos principales de la media geomtrica:
Mediana:
Es el valor que ocupa el lugar central de todos los datos cuando stos estn ordenados
de menor a mayor.
La mediana se representa por Me.
La mediana se puede hallar slo para variables cuantitativas.
Clculo de la mediana para datos agrupados
La mediana se encuentra en el intervalo donde la frecuencia acumulada llega hasta la
mitad de la suma de las frecuencias absolutas.
Es decir tenemos que buscar el intervalo en el que se encuentre .
Moda:
La moda es el valor que tiene mayor frecuencia absoluta.
Se representa por Mo.
Se puede hallar la moda para variables cualitativas y cuantitativas
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia
es la mxima, la distribucin es bimodal o multimodal, es decir, tiene varias mo.
Cuartiles:
Los cuartiles son los tres valores de la variable que dividen a un conjunto de datos
ordenados en cuatro partes iguales.
Q1, Q2 y Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de los
datos.
Q2 coincide con la mediana.
Deciles:
18
Los deciles son los nueve valores que dividen la serie de datos en diez partes iguales.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
D5 coincide con la mediana.
Percentiles:
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos.
P50 coincide con la mediana.
P50 coincide con D5.
Trimedia:
La trimedia es el valor de la variable que se encuentra en un promedio, manejando el
primer cuartil, ms el segundo cuartil, ms el tercer cuartil y se divide entre cuatro
MEDIDAS DE DISPERSION
A las Medidas de Dispersin tambin se les
llama Medidas de Variacin. La variacin es la
cantidad de dispersin, o separacin, que
presentan los datos. Miden que tanto se
dispersan las observaciones alrededor de su
media.
6
5
4
3
2
1
0
0.6
0.4
0.2
0
0
19
RANGO O RECORRIDO
El rango mide la amplitud existente de los valores de un conjunto de nmeros y esta se
calcula mediante la diferencia entre el valor ms elevado (Lmite superior) y el menor de
todos ellos (Lmite inferior). En otras palabras representa la diferencia entre los valores
mximo y mnimo de un conjunto de datos.
Su frmula para obtenerlo es R = xn x1
Donde:
R: Rango
Xn: Valor ms elevado
X1: Valor ms bajo
RECORRIDO INTERCUARTILICO
Como consecuencia de los problemas que presenta el recorrido, en particular su
inestabilidad al considerar muestras diferentes o bien cuando se aaden nuevos
individuos, a veces se usa otro ndice de dispersin con datos ordinales, el recorrido
intercuartlico. Se calcula dividiendo en primer lugar los datos (previamente ordenados) en
cuatro partes iguales, obteniendo as los cuartiles Q1, Q2 y Q3; la diferencia entre el cuartil
Q3 y el Q1 es el recorrido intercuartlico, y abarca el 50% de los datos.
Su frmula para obtenerlo es RI= Q3 Q1
Donde:
RI: Rango Intercuartlico
Q3: tercer cuartil
Q1: primer cuartil
DESVIACION PROMEDIO
La desviacin promedio es la media aritmtica de los valores absolutos de las
desviaciones respecto a la media, la frmula de la desviacin promedio es
Donde:
| |: Indica el calor absoluto
Xi: Es el valor de cada observacin
20
Ejemplos de aplicacin:
De cada uno de los 3 ejercicios obtenga su rango, recorrido intercuartlico y desviacin
promedio.
1. Hubo cinco representantes de servicio al cliente que trabajaron en Electronic Super
Store durante la pasada venta de fin de semana. Las cantidades de HDTV que vendieron
estos representantes son: 5, 8, 4, 10 y 3.
Rango: 10 3= 7
Datos ordenados: 3, 4, 5, 8, 10
R=7
Rango intercuartlico
Q1:
1.5 ->
Q3:
4.5 ->
RI=5
Q3= 8.5
Desviacin Promedio
|
2.25 ->
Q3:
Q1=12.05
RI=3.5
Desviacin Promedio
|
21
3. Diez adultos jvenes que viven en California, elegidos al azar, calificaron el sabor de
una nueva pizza de sushi con atn, arroz y kelp en una escala de 1 a 50, en la que el 1
indica que no les gusta el sabor y 50 que si les gusta. Las calificaciones fueron las
siguientes: 34, 39, 40, 46, 33, 31, 34, 14, 15 y 45
Datos ordenados: 14, 15, 31, 33, 34, 34, 39, 40, 45, 46 R: 46- 14: 32
R= 32
Rango intercuartlico
Q1:
Q3:
RI=14.25
Desviacin Promedio
|
VARIANZA
Es una medida de variabilidad que indica qu tanto se alejan (o se acercan) las distintas
observaciones al punto indicado por la media aritmtica de los propios datos. Existen dos
frmulas para la varianza
Datos Agrupados
Se denota por
, y se tiene:
Donde:
: Smbolo de la varianza
Xi: es el valor de un conjunto de datos
: es la media aritmtica
n: es el nmero de observaciones
E= sumatoria
Datos no agrupados
22
DESVIACION ESTANDAR
Un inconveniente de la varianza es que sus unidades de medicin se encuentran al
cuadrado, por lo que no se puede comparar con la media aritmtica. Debido a esto, se
define la Desviacin Estndar como la raz cuadrada de la varianza.
Datos agrupados
Donde:
S: es el smbolo de la desviacin
Xi: es el valor de nuestra marca de clase
: es la media aritmtica
N: es el nmero de observaciones
Datos no agrupados
COEFICIENTE DE VARIACION
El coeficiente de variacin es una medida relativa de la variacin. Mide la dispersin de
los datos con respecto de su media.
( )
Marca de
clase
Frecuencia
23
16 - 22
19
-10.6
112.36
1011.24
23 29
26
26
-3.6
12.96
336.96
30 36
33
11
3.4
11.56
124.16
37 43
40
10.4
108.16
324.48
44 50
51 - 57
47
54
4
2
17.4
24.4
302.76
595.36
1211.01
1190.72
= 4201.60
x = 29.6
Varianza
= 77.8074
Desviacin Estndar S
= 8.8208
Coeficiente de Variacin CV =
= 29.80%
Interpretacin de datos
S: La edades de tales personas se desvan en promedio 8.82 aos de su media.
CV: Las estaturas varan 29.80% con respecto a su media
Ejemplo de aplicacin (datos no agrupados):
En un grupo, se observ la estatura de 16 alumnos y se obtuvieron los siguientes datos
(ya ordenados):
Estatura
1.52
1.53
1.57
1.58
1.6
1.64
1.66
1.74
1.76
1.79
Frecuencia
2
2
1
2
1
3
2
1
1
1
-0.1025
-0.0925
-0.0525
-0.0425
-0.0225
0.0175
0.0375
0.1175
0.1375
0.1675
0.01051
0.00856
0.00276
0.00181
0.00051
0.00031
0.00141
0.01381
0.01891
0.02806
0.02101
0.01711
0.00276
0.00361
0.00051
0.00092
0.00281
0.01381
0.01891
0.02806
= 1.6225
24
Varianza:
Desviacin Estndar:
MEDIDAS DE FORMA
Son las que nos ayudan a describir la forma que toma una distribucin de datos
ASIMETRA O SESGO
Las curvas que representan una serie de datos de la variable, pueden ser simtricas o
asimtricas (sesgadas), esto se debe a que en algunos casos ciertos valores demasiado
elevados afectan a la media, haciendo que la distribucin de la curva tienda hacia alguno
de los extremos.
En el caso de las curvas simtricas, su rea es dividida exactamente en dos partes
iguales, por ejemplo la curva de campana. Por lo tanto la media, mediana y moda se
ubicaran en el centro, y tendrn el mismo valor.
medio, mientras que la media siempre tiende a ubicarse hacia la cola de la distribucin
porque siempre se afectar por los valores extremos. ( >Me>Mo.)
Datos agrupados:
CS: *
CS:
Donde:
Xi =observacin (dato) i
fi= frecuencia absoluta del intervalo i
s = desviacin estndar
n = nmero de datos en la muestra
La Curtosis se determina por medio del coeficiente de curtosis, el cual se denota como
CC y se define de la siguiente manera:
Para datos no agrupados:
CC= [
+ ]
Dnde:
Xi =observacin (dato) i
= media aritmtica de la muestra
27
CC=
Xi =observacin (dato) i
Ejemplos de aplicacin:
Ejemplo 1
1. Planteamiento: Los ingresos mensuales $ que reciben 15 ejecutivos medios en la
ciudad de Guadalajara se muestran a continuacin:
10000 10500 11500 10500 10300 10000 9900 11000 11000 11000 10500 10300 11500
11400 11000
n=15
Calcule el coeficiente de asimetra y el coeficiente de curtosis para determinar el
comportamiento de la serie de datos
Desarrollo matemtico:
Asimetra:
+
CS= *
+
ys
Necesitaremos calcular
s=
s=
s2 =
= 10693.33
= 299238.0964
= 547.03
28
xi
(xi - )
(xi - )2
10000
-693.33
480706.49
-2.00
-2.52
10500
-193.33
37376.49
-0.04
-0.01
11500
806.67
650716.49
3.17
4.66
10500
-193.33
37376.49
-0.04
-0.01
10300
-393.33
154708.49
-0.35
-0.25
10000
-693.33
480706.49
-2.00
-2.52
9900
-793.33
629372.49
-3.04
-4.42
11000
306.67
94046.49
0.17
0.1
11000
306.67
94046.49
0.17
0.1
11000
306.67
94046.49
0.17
0.1
10500
-193.33
37376.49
0.04
-0.01
10300
-393.33
154708.49
-0.35
-0.25
11500
806.67
650716.49
3.17
4.66
11400
706.67
499382.49
-1.66
2.76
11000
306.67
94046.49
0.17
0.1
total=160400
total=0.05
total=4189333.35
total= -2.42
total= 2.49
]3
]4
+[
CS= *
+[
29
INGRESOS MENSUALES
INGRESOS
4
2
0
9900 10000 10300 10500 11000 11400 11500
Curtosis:
CC= [
+ ]
s=
s2 =
s=
= 10693.33
= 299238.0964
= 547.03
CC= [
CC= [
CC= [
+ ]
]
*
*
+ ]
Interpretacin de resultados:
Como -0.19<0 la curva esta sesgada a la izquierda, es decir tiene asimetra negativa.
La moda que es de $11000 es mayor que la mediana y la media, siendo esta ltima
$10693.33 vindose afectada por ciertos valores bajos causando este sesgo, por lo
cual en este caso nos convendra usar la mediana en lugar de las dos medidas
anteriores. En conclusin no por ser la moda $11000, o la mediana $10693.33 la
mayora de ingresos de los empleados ronda esa cantidad, sino ms bien $10500
que es la mediana. Como 3.39 >3 entonces los datos de la curva, en este caso los
ingresos mensuales, presentan un pico mayor que los de la curva de una
distribucin normal estandarizada.
Ejemplo 2
30
= 6.8
QMd=
s2 =
= 0.19 s=
=0 resultado final
(xi - )
(xi - )2
(xi
)/s
(xi
)/s4
6.3%
-0.5
0.25
-1.14
-1.690
6.5%
-0.3
0.09
-0.68
-0.210
6.7%
-0.1
0.01
-0.23
-0.002
6.8%
0.00
0.00
0.000
7.1%
0.3
0.09
0.68
0.210
7.3%
0.5
0.25
1.14
1.690
7.5%
0.7
0.49
1.60
6.550
=48.2
=1.18
=6.548
31
TASAS DE INTERES
8.00%
7.00%
TASAS DE
INTERES
6.00%
5.00%
1
TASAS DE INTERES
TASAS DE
INTERES
8.00%
7.00%
6.00%
5.00%
1
Curtosis:
CC= [
CC=[
CC=*
+[
+ ]
+ ]
*
*
+
+
Interpretacin de resultados:
Como el resultado del coeficiente de asimetra de Pearson fue 0, quiere decir que
los datos de las tasas de inters se distribuyen de una manera simtrica, como se
puede observar ms claramente en la grfica de barras. Por lo tanto su media,
mediana y moda son iguales. Seria confiable usar el 6.8% de intereses como
referencia de la disminucin de las tasas de inters que hubo en 1997 en Peoria. Su
CC fue de -6.54, por lo cual se trata de una curva Platicrtica, es decir con un pico
menor que el de una curva normal.
Ejemplo 3
3. Planteamiento: En una
siguientes alumnos:
32
EDADES
1. 19
10. 21
2. 19
11. 22
3. 19
12. 22
4. 20
13. 23
5. 20
14. 33
6. 20
15. 33
7. 20
16. 34
8. 20
17. 46
9. 21
Desarrollo matemtico:
= 4.5= 4 + 0.50
Q1=20
Q2=
=9
Q2=21
Q3=
=13.5
X14-X13=33-23=10
0.75*10=7.5
Q3= 23+7.5=30.5
33
Curtosis:
CC= [
+ ]
=24.23
S=
=7.61
xi
(xi- )
(xi- )2
(xi- )/s
19
-5.23
27.35
-0.69
0.22
19
-5.23
27.35
-0.69
0.22
19
-5.23
27.35
-0.69
0.22
20
-4.23
17.89
-0.56
0.09
20
-4.23
17.89
-0.56
0.09
20
-4.23
17.89
-0.56
0.09
20
-4.23
17.89
-0.56
0.09
20
-4.23
17.89
-0.56
0.09
21
-3.23
-0.42
0.03
21
-3.23
-0.42
0.03
22
-2.23
-0.29
0.007
22
-2.23
-0.29
0.007
23
-1.23
1.51
-0.16
0.0006
33
8.77
76.91
1.15
1.76
33
8.77
76.91
1.15
1.76
34
9.77
95.45
1.28
2.71
46
21.77
473.93
2.86
66.97
total =412
10.43
10.43
4.97
4.97
total =927.01
]4
total= 74.38
34
CC= *
+[
CC=*
EDADES
EDADES
6
5
4
3
2
1
0
19
20
21
22
23
33
34
CONCLUSION
La estadstica descriptiva es una herramienta matemtica que conjuga una serie de
indicadores numricos y grficos, as como los procedimientos con que stos se
construyen, para descubrir y describir, en forma abreviada y a travs de smbolos
precisos, la estructura inmersa en el conjunto de datos. Se dice que se conoce la
estructura cuando se sabe:
35
BIBLIOGRAFA
MENDENHAL, W., & REINMUTH, J. E. (2000). Estadstica para administracin y
economa. D.F, Mxico: Grupo Editorial Iberoamrica S. A de C. V., 1981
SPIEGEL, M. R. Estadstica (2da ed.). D. F, Mxico: McGraw Hill. 1991
STEVENSON, W. J. Estadstica para administracin y economa. D. F, Mxico: Harla.
1981
LIND, Marchal, Wathen, Estadstica Aplicada a los negocios y la Economa. Editorial
McGraw-Hill, New York. 15 edicin. 2012
ANDERSON, R. David, Sweeney J. Dennis, Williams A. Thomas, Estadstica para
Administracin y Economa, Mxico, Thomson, 2008, (10a ed.), 1056 pp.
RODRIGUEZ Jess, PIERDANT Alberto. Estadstica para Administracin. Mxico.
Grupo editorial Patria. 2010, (1. Ed.) 370 pp.
DOUGLAS, A. Lind, William G. Marchal, Samuel A. Wathen, Estadstica Aplicada a los
Negocios y a la Economa, Mxico, McGraw-Hill, 2005, (12 ed.), 749 pp.
MARTNEZ, Ciro, Estadstica y muestreo, Colombia, ECOE, (13 ed.), 395pp.
36
37